马斯克手中的最后一张牌——Grok 4，终于打出来了。这个全球最聪明AI，一上线就刷爆全球榜单登顶TOP 1，把所有其他大模型都踩在脚下。重磅登场的Grok Heavy，月费则达到了300刀。马斯克已经预言：明年Grok将发现新物理学。

When the best part of Christmas is playing Santa Claus and helping poor, elderly and lonely people. Take Away English talks ...

【主厨对决：寻味川辣真功夫】开启一场无与伦比的风味之旅：厄瓜多尔的古老可可，四川的传奇香料，意大利的百年配方！看Charles、Steven和Ricardo三位大厨在成都展开七道菜的麻辣融合实验，以巧手匠心玩味东西方美食碰撞。完整《Passion ...

智通财经APP获悉，中信证券发布研报称，Grok 4在专业学科和复杂任务上的推理能力突出，展现未来模型在长流程专业工作上的应用潜力，支持Agent落地高价值场景，结合后续多模态能力有望突破打开全新应用场景，行业落地对应带动AI ...

China firmly supports Thailand in pursuing a development path suited to its national conditions and always places China-Thailand relations as a priority in its neighborhood diplomacy, Wang said, ...

在人工智能（AI）领域，强化学习（RL）已经成为通向通用人工智能（AGI）的重要技术节点。尤其是在大语言模型（LLM）的后训练过程中，强化学习的应用正不断发展。然而，奖励模型的设计与训练仍然是制约强化学习效果的瓶颈，导致模型能力提升受限。为了解决这一难题，上海人工智能实验室的研究团队近日提出了一种全新的奖励建模范式——策略判别学习（Policy Discriminative ...

当前，大模型在 Next Token Prediction 和 Test-time Scaling 两种扩展范式下，通过大规模的数据和模型扩展，实现了能力的持续跃升。但相比之下，奖励模型缺乏系统性的预训练和扩展方法，导致其能力难以随计算量增长而持续提升，成为阻碍强化学习链路进一步扩展的短板。

当前，大模型在Next Token Prediction和 Test-time ...

在人工智能领域，强化学习（Reinforcement Learning, RL）被广泛视为通往通用人工智能（AGI）的重要途径。然而，奖励模型（Reward Model, RM）的设计与训练一直是制约强化学习发展的瓶颈。最近，上海人工智能实验室（Shanghai AI Lab）提出了一种创新的奖励建模方法——策略判别学习（Policy Discriminative Learning, POLAR） ...

The China-Laos Railway stands as a key project promoting regional connectivity and trade. As of May, the railway had ...

When the best part of Christmas is playing Santa Claus and helping poor, elderly and lonely people. Take Away English talks about giving a helping hand.

这项由Prime Intellect团队完成的开创性研究发表于2025年5月，论文编号为arXiv:2505.07291v1。这是全球首次成功实现320亿参数大型语言模型的完全分布式强化学习训练，有兴趣深入了解的读者可以通过arXiv平台访问完整论文 ...